生命科学

192 条内容

Pharmacology & therapeutics 2026年9月16日
这篇综述提出将多药耐药（MDR）从传统的单基因机制模型重新理解为一种复杂且不断演化的系统性适应性耐药现象，并系统梳理了经典耐药机制（药物摄取/外排、代偿性通路激活、凋亡逃逸）、非遗传性耐药机制（药物耐受持留细胞DTPs、上皮-间质转化EMT、癌症干细胞CSC可塑性及其相关因素）、这些机制之间的相互作用如何共同促成肿瘤持续存在与MDR演化，以及转化医学障碍与新兴药理策略（包括纵向分子监测和人工智能辅助的耐药预测）。
这篇综述提出将多药耐药（MDR）从传统的单基因机制模型重新理解为一种复杂且不断演化的系统性适应性耐药现象，并系统梳理了经典耐药机制（药物摄取/外排、代偿性通路激活、凋亡逃逸）、非遗传性耐药机制（药物耐受持留细胞DTPs、上皮-间质转化EMT、癌症干细胞CSC可塑性及其相关因素）、这些机制之间的相互作用如何共同促成肿瘤持续存在与MDR演化，以及转化医学障碍与新兴药理策略（包括纵向分子监测和人工智能辅助的耐药预测）。
癌症耐药：从单基因机制走向系统性适应性耐药的概念转变
这篇综述提出将多药耐药（MDR）从传统的单基因机制模型重新理解为一种复杂且不断演化的系统性适应性耐药现象，并系统梳理了经典耐药机制（药物摄取/外排、代偿性通路激活、凋亡逃逸）、非遗传性耐药机制（药物耐受持留细胞DTPs、上皮-间质转化EMT、癌症干细胞CSC可塑性及其相关因素）、这些机制之间的相互作用如何共同促成肿瘤持续存在与MDR演化，以及转化医学障碍与新兴药理策略（包括纵向分子监测和人工智能辅助的耐药预测）。
这篇综述提出将多药耐药（MDR）从传统的单基因机制模型重新理解为一种复杂且不断演化的系统性适应性耐药现象，并系统梳理了经典耐药机制（药物摄取/外排、代偿性通路激活、凋亡逃逸）、非遗传性耐药机制（药物耐受持留细胞DTPs、上皮-间质转化EMT、癌症干细胞CSC可塑性及其相关因素）、这些机制之间的相互作用如何共同促成肿瘤持续存在与MDR演化，以及转化医学障碍与新兴药理策略（包括纵向分子监测和人工智能辅助的耐药预测）。
medRxiv 2026年9月16日
该研究使用 AlphaGenome 与 AlphaMissense 对来自癌症基因组图谱（TCGA）8,800 名患者、33 种癌症类型的体细胞突变进行扰动量化，发现复发性热点突变在蛋白层面预测效应更强，而非热点突变在多数癌症类型中调控效应更大；将变异层面预测聚合为患者-基因扰动谱后，这些谱具有基因与模态特异性，反映组织来源、癌症类型与微卫星不稳定性状态，并保留超出肿瘤突变负荷的信息；在缺乏复发性热点突变的患者中，更高的预测扰动与总生存相关，其中染色质可及性信号最强且最一致，在独立治疗注释队列中基因层面扰动也与治疗定义亚组内的生存相关。
该研究使用 AlphaGenome 与 AlphaMissense 对来自癌症基因组图谱（TCGA）8,800 名患者、33 种癌症类型的体细胞突变进行扰动量化，发现复发性热点突变在蛋白层面预测效应更强，而非热点突变在多数癌症类型中调控效应更大；将变异层面预测聚合为患者-基因扰动谱后，这些谱具有基因与模态特异性，反映组织来源、癌症类型与微卫星不稳定性状态，并保留超出肿瘤突变负荷的信息；在缺乏复发性热点突变的患者中，更高的预测扰动与总生存相关，其中染色质可及性信号最强且最一致，在独立治疗注释队列中基因层面扰动也与治疗定义亚组内的生存相关。
基因组基础模型衍生的扰动谱将体细胞突变与癌症生物学及临床结局联系起来
该研究使用 AlphaGenome 与 AlphaMissense 对来自癌症基因组图谱（TCGA）8,800 名患者、33 种癌症类型的体细胞突变进行扰动量化，发现复发性热点突变在蛋白层面预测效应更强，而非热点突变在多数癌症类型中调控效应更大；将变异层面预测聚合为患者-基因扰动谱后，这些谱具有基因与模态特异性，反映组织来源、癌症类型与微卫星不稳定性状态，并保留超出肿瘤突变负荷的信息；在缺乏复发性热点突变的患者中，更高的预测扰动与总生存相关，其中染色质可及性信号最强且最一致，在独立治疗注释队列中基因层面扰动也与治疗定义亚组内的生存相关。
该研究使用 AlphaGenome 与 AlphaMissense 对来自癌症基因组图谱（TCGA）8,800 名患者、33 种癌症类型的体细胞突变进行扰动量化，发现复发性热点突变在蛋白层面预测效应更强，而非热点突变在多数癌症类型中调控效应更大；将变异层面预测聚合为患者-基因扰动谱后，这些谱具有基因与模态特异性，反映组织来源、癌症类型与微卫星不稳定性状态，并保留超出肿瘤突变负荷的信息；在缺乏复发性热点突变的患者中，更高的预测扰动与总生存相关，其中染色质可及性信号最强且最一致，在独立治疗注释队列中基因层面扰动也与治疗定义亚组内的生存相关。
Biologia futura 2026年9月16日
这篇综述指出，微生物多样性支撑人类健康、农业生产力、生态平衡与生态系统功能，并梳理了微生物组在人类肠道免疫调节与代谢、疾病预防中的作用，以及在陆地生态系统中植物、真菌、细菌与土壤微生物互作对碳固存、养分循环、抗逆性和可持续农业的贡献，同时评述了精准益生菌、后生元、粪菌移植与个性化微生物组医学等新兴疗法，以及多组学技术、合成微生物基因组、微生物组工程与人工智能推动的农业、环境修复和医学应用，并指出生态复杂性、长期验证、标准化与田间规模化应用等尚存问题，强调保护微生物多样性对生态韧性与One Health框架的意义。
这篇综述指出，微生物多样性支撑人类健康、农业生产力、生态平衡与生态系统功能，并梳理了微生物组在人类肠道免疫调节与代谢、疾病预防中的作用，以及在陆地生态系统中植物、真菌、细菌与土壤微生物互作对碳固存、养分循环、抗逆性和可持续农业的贡献，同时评述了精准益生菌、后生元、粪菌移植与个性化微生物组医学等新兴疗法，以及多组学技术、合成微生物基因组、微生物组工程与人工智能推动的农业、环境修复和医学应用，并指出生态复杂性、长期验证、标准化与田间规模化应用等尚存问题，强调保护微生物多样性对生态韧性与One Health框架的意义。
微生物多样性：地球生命的必要基础
这篇综述指出，微生物多样性支撑人类健康、农业生产力、生态平衡与生态系统功能，并梳理了微生物组在人类肠道免疫调节与代谢、疾病预防中的作用，以及在陆地生态系统中植物、真菌、细菌与土壤微生物互作对碳固存、养分循环、抗逆性和可持续农业的贡献，同时评述了精准益生菌、后生元、粪菌移植与个性化微生物组医学等新兴疗法，以及多组学技术、合成微生物基因组、微生物组工程与人工智能推动的农业、环境修复和医学应用，并指出生态复杂性、长期验证、标准化与田间规模化应用等尚存问题，强调保护微生物多样性对生态韧性与One Health框架的意义。
这篇综述指出，微生物多样性支撑人类健康、农业生产力、生态平衡与生态系统功能，并梳理了微生物组在人类肠道免疫调节与代谢、疾病预防中的作用，以及在陆地生态系统中植物、真菌、细菌与土壤微生物互作对碳固存、养分循环、抗逆性和可持续农业的贡献，同时评述了精准益生菌、后生元、粪菌移植与个性化微生物组医学等新兴疗法，以及多组学技术、合成微生物基因组、微生物组工程与人工智能推动的农业、环境修复和医学应用，并指出生态复杂性、长期验证、标准化与田间规模化应用等尚存问题，强调保护微生物多样性对生态韧性与One Health框架的意义。
Trends in biotechnology 2026年9月16日
这篇综述聚焦胶质母细胞瘤的液体活检，指出组织活检具有侵入性且难以捕捉肿瘤异质性与时间动态，而液体活检可通过血浆、脑脊液、尿液和唾液中的游离DNA、循环肿瘤DNA、循环肿瘤细胞和细胞外囊泡等循环生物标志物实现无创实时监测，并提出超越既往生物标志物清单的量化技术评分卡，从灵敏度、临床可操作性、成本和可扩展性比较cfDNA、CTC和EV平台，同时引入多模态决策矩阵和人工智能驱动的融合流程，整合片段组学、EV蛋白质组学和CTC转录组学，以增强微小残留病灶检测并指导精准神经肿瘤学。
这篇综述聚焦胶质母细胞瘤的液体活检，指出组织活检具有侵入性且难以捕捉肿瘤异质性与时间动态，而液体活检可通过血浆、脑脊液、尿液和唾液中的游离DNA、循环肿瘤DNA、循环肿瘤细胞和细胞外囊泡等循环生物标志物实现无创实时监测，并提出超越既往生物标志物清单的量化技术评分卡，从灵敏度、临床可操作性、成本和可扩展性比较cfDNA、CTC和EV平台，同时引入多模态决策矩阵和人工智能驱动的融合流程，整合片段组学、EV蛋白质组学和CTC转录组学，以增强微小残留病灶检测并指导精准神经肿瘤学。
胶质母细胞瘤液体活检：新兴技术与转化机会
这篇综述聚焦胶质母细胞瘤的液体活检，指出组织活检具有侵入性且难以捕捉肿瘤异质性与时间动态，而液体活检可通过血浆、脑脊液、尿液和唾液中的游离DNA、循环肿瘤DNA、循环肿瘤细胞和细胞外囊泡等循环生物标志物实现无创实时监测，并提出超越既往生物标志物清单的量化技术评分卡，从灵敏度、临床可操作性、成本和可扩展性比较cfDNA、CTC和EV平台，同时引入多模态决策矩阵和人工智能驱动的融合流程，整合片段组学、EV蛋白质组学和CTC转录组学，以增强微小残留病灶检测并指导精准神经肿瘤学。
这篇综述聚焦胶质母细胞瘤的液体活检，指出组织活检具有侵入性且难以捕捉肿瘤异质性与时间动态，而液体活检可通过血浆、脑脊液、尿液和唾液中的游离DNA、循环肿瘤DNA、循环肿瘤细胞和细胞外囊泡等循环生物标志物实现无创实时监测，并提出超越既往生物标志物清单的量化技术评分卡，从灵敏度、临床可操作性、成本和可扩展性比较cfDNA、CTC和EV平台，同时引入多模态决策矩阵和人工智能驱动的融合流程，整合片段组学、EV蛋白质组学和CTC转录组学，以增强微小残留病灶检测并指导精准神经肿瘤学。
Trends in pharmacological sciences 2026年9月16日
该文指出，人工智能在加速药物发现的同时也带来了监管缺口，目前已有超过100个AI辅助研发管线进入临床试验，而现有框架缺乏可执行的统一标准；作者据此提出一个风险分级框架，将“发现型AI”与“证据生成型AI”区分开来，要求在AI影响决策时强制开展影响评估并进行新药临床试验申请（IND）披露，从而把指南转化为具有约束力、与风险相称的监管。
该文指出，人工智能在加速药物发现的同时也带来了监管缺口，目前已有超过100个AI辅助研发管线进入临床试验，而现有框架缺乏可执行的统一标准；作者据此提出一个风险分级框架，将“发现型AI”与“证据生成型AI”区分开来，要求在AI影响决策时强制开展影响评估并进行新药临床试验申请（IND）披露，从而把指南转化为具有约束力、与风险相称的监管。
通过协调监管弥合AI药物监管缺口
该文指出，人工智能在加速药物发现的同时也带来了监管缺口，目前已有超过100个AI辅助研发管线进入临床试验，而现有框架缺乏可执行的统一标准；作者据此提出一个风险分级框架，将“发现型AI”与“证据生成型AI”区分开来，要求在AI影响决策时强制开展影响评估并进行新药临床试验申请（IND）披露，从而把指南转化为具有约束力、与风险相称的监管。
该文指出，人工智能在加速药物发现的同时也带来了监管缺口，目前已有超过100个AI辅助研发管线进入临床试验，而现有框架缺乏可执行的统一标准；作者据此提出一个风险分级框架，将“发现型AI”与“证据生成型AI”区分开来，要求在AI影响决策时强制开展影响评估并进行新药临床试验申请（IND）披露，从而把指南转化为具有约束力、与风险相称的监管。
RNA 2026年9月16日
本文建立了一个基于连续介质的反应扩散模型，用以刻画XIST介导的基因沉默在染色体上的传播，发现XIST的扩散可由调控其合成与降解的已知负反馈环路调节，而基因沉默的传播则由沉默复合物的全局调控与局部表观遗传调控因子共同驱动的波钉扎机制所控制，并结合由实验数据推断的三维染色体结构展示了沉默传播的时空调控。
本文建立了一个基于连续介质的反应扩散模型，用以刻画XIST介导的基因沉默在染色体上的传播，发现XIST的扩散可由调控其合成与降解的已知负反馈环路调节，而基因沉默的传播则由沉默复合物的全局调控与局部表观遗传调控因子共同驱动的波钉扎机制所控制，并结合由实验数据推断的三维染色体结构展示了沉默传播的时空调控。
基于连续介质的反应扩散模型揭示染色体失活中基因沉默的空间传播机制
本文建立了一个基于连续介质的反应扩散模型，用以刻画XIST介导的基因沉默在染色体上的传播，发现XIST的扩散可由调控其合成与降解的已知负反馈环路调节，而基因沉默的传播则由沉默复合物的全局调控与局部表观遗传调控因子共同驱动的波钉扎机制所控制，并结合由实验数据推断的三维染色体结构展示了沉默传播的时空调控。
本文建立了一个基于连续介质的反应扩散模型，用以刻画XIST介导的基因沉默在染色体上的传播，发现XIST的扩散可由调控其合成与降解的已知负反馈环路调节，而基因沉默的传播则由沉默复合物的全局调控与局部表观遗传调控因子共同驱动的波钉扎机制所控制，并结合由实验数据推断的三维染色体结构展示了沉默传播的时空调控。
Bioscience Reports 2026年9月16日
这篇综述系统梳理了卵巢癌中DNA甲基化、组蛋白修饰、染色质重塑和非编码RNA等表观遗传机制如何驱动化疗耐药与复发，并汇总了表观遗传药物（DNMT、HDAC、EZH2抑制剂）与PARP抑制剂或免疫治疗联用的临床试验结果，以及基于循环cfDNA甲基化、循环miRNA和人工智能液体活检平台的生物标志物进展，提出以表观遗传状态进行患者分层和实时监测耐药的精准肿瘤学框架。
这篇综述系统梳理了卵巢癌中DNA甲基化、组蛋白修饰、染色质重塑和非编码RNA等表观遗传机制如何驱动化疗耐药与复发，并汇总了表观遗传药物（DNMT、HDAC、EZH2抑制剂）与PARP抑制剂或免疫治疗联用的临床试验结果，以及基于循环cfDNA甲基化、循环miRNA和人工智能液体活检平台的生物标志物进展，提出以表观遗传状态进行患者分层和实时监测耐药的精准肿瘤学框架。
卵巢癌的表观遗传机制与临床转化：从分子通路到精准治疗
这篇综述系统梳理了卵巢癌中DNA甲基化、组蛋白修饰、染色质重塑和非编码RNA等表观遗传机制如何驱动化疗耐药与复发，并汇总了表观遗传药物（DNMT、HDAC、EZH2抑制剂）与PARP抑制剂或免疫治疗联用的临床试验结果，以及基于循环cfDNA甲基化、循环miRNA和人工智能液体活检平台的生物标志物进展，提出以表观遗传状态进行患者分层和实时监测耐药的精准肿瘤学框架。
这篇综述系统梳理了卵巢癌中DNA甲基化、组蛋白修饰、染色质重塑和非编码RNA等表观遗传机制如何驱动化疗耐药与复发，并汇总了表观遗传药物（DNMT、HDAC、EZH2抑制剂）与PARP抑制剂或免疫治疗联用的临床试验结果，以及基于循环cfDNA甲基化、循环miRNA和人工智能液体活检平台的生物标志物进展，提出以表观遗传状态进行患者分层和实时监测耐药的精准肿瘤学框架。
arXiv 2026年9月16日
本文提出一种新的3D图神经网络自监督预训练任务：在AlphaFold数据库中542k个SwissProt蛋白质结构上，预测蛋白质各子图（以10%氨基酸为中心的2-hop ego网络）的几何质心与整个蛋白质全局几何质心之间的欧氏距离（离散为10个等宽区间并以交叉熵分类），在ProNet、SchNet、GCN三种骨干与ca_base、ca_angles、ca_bb三种特征化方案下，于Fold、Superfamily、Family与React分类任务上相较无预训练与边距离预训练基线取得最高约6%的提升，且无需多视图、增强或掩码策略。
本文提出一种新的3D图神经网络自监督预训练任务：在AlphaFold数据库中542k个SwissProt蛋白质结构上，预测蛋白质各子图（以10%氨基酸为中心的2-hop ego网络）的几何质心与整个蛋白质全局几何质心之间的欧氏距离（离散为10个等宽区间并以交叉熵分类），在ProNet、SchNet、GCN三种骨干与ca_base、ca_angles、ca_bb三种特征化方案下，于Fold、Superfamily、Family与React分类任务上相较无预训练与边距离预训练基线取得最高约6%的提升，且无需多视图、增强或掩码策略。
基于子图的3D蛋白质结构几何自监督预训练
本文提出一种新的3D图神经网络自监督预训练任务：在AlphaFold数据库中542k个SwissProt蛋白质结构上，预测蛋白质各子图（以10%氨基酸为中心的2-hop ego网络）的几何质心与整个蛋白质全局几何质心之间的欧氏距离（离散为10个等宽区间并以交叉熵分类），在ProNet、SchNet、GCN三种骨干与ca_base、ca_angles、ca_bb三种特征化方案下，于Fold、Superfamily、Family与React分类任务上相较无预训练与边距离预训练基线取得最高约6%的提升，且无需多视图、增强或掩码策略。
本文提出一种新的3D图神经网络自监督预训练任务：在AlphaFold数据库中542k个SwissProt蛋白质结构上，预测蛋白质各子图（以10%氨基酸为中心的2-hop ego网络）的几何质心与整个蛋白质全局几何质心之间的欧氏距离（离散为10个等宽区间并以交叉熵分类），在ProNet、SchNet、GCN三种骨干与ca_base、ca_angles、ca_bb三种特征化方案下，于Fold、Superfamily、Family与React分类任务上相较无预训练与边距离预训练基线取得最高约6%的提升，且无需多视图、增强或掩码策略。
Advanced science (Weinheim, Baden-Wurttemberg, Germany) 2026年9月16日
该研究针对耐药性肺炎链球菌，利用由 transformer、图模型和树模型组成的集成模型（在 1849 个活性化合物与 34 503 个非活性化合物上训练），对 6747 种药物进行前瞻性筛选，选出 11 个候选抗生素，其中 9 个在体外显著抑制肺炎链球菌 R6 生长（IC50 ≤ 0.4 µg/mL），最强效的硫链丝菌素和头孢噻呋 IC50 分别为 0.0001 µg/mL（60.1 pM）和 0.0004 µg/mL（764 pM），且硫链丝菌素对多重耐药菌株仍保持高效力。
该研究针对耐药性肺炎链球菌，利用由 transformer、图模型和树模型组成的集成模型（在 1849 个活性化合物与 34 503 个非活性化合物上训练），对 6747 种药物进行前瞻性筛选，选出 11 个候选抗生素，其中 9 个在体外显著抑制肺炎链球菌 R6 生长（IC50 ≤ 0.4 µg/mL），最强效的硫链丝菌素和头孢噻呋 IC50 分别为 0.0001 µg/mL（60.1 pM）和 0.0004 µg/mL（764 pM），且硫链丝菌素对多重耐药菌株仍保持高效力。
人工智能引导的表型药物重定位：针对肺炎链球菌的候选抗生素发现
该研究针对耐药性肺炎链球菌，利用由 transformer、图模型和树模型组成的集成模型（在 1849 个活性化合物与 34 503 个非活性化合物上训练），对 6747 种药物进行前瞻性筛选，选出 11 个候选抗生素，其中 9 个在体外显著抑制肺炎链球菌 R6 生长（IC50 ≤ 0.4 µg/mL），最强效的硫链丝菌素和头孢噻呋 IC50 分别为 0.0001 µg/mL（60.1 pM）和 0.0004 µg/mL（764 pM），且硫链丝菌素对多重耐药菌株仍保持高效力。
该研究针对耐药性肺炎链球菌，利用由 transformer、图模型和树模型组成的集成模型（在 1849 个活性化合物与 34 503 个非活性化合物上训练），对 6747 种药物进行前瞻性筛选，选出 11 个候选抗生素，其中 9 个在体外显著抑制肺炎链球菌 R6 生长（IC50 ≤ 0.4 µg/mL），最强效的硫链丝菌素和头孢噻呋 IC50 分别为 0.0001 µg/mL（60.1 pM）和 0.0004 µg/mL（764 pM），且硫链丝菌素对多重耐药菌株仍保持高效力。
RNA Biology 2026年9月16日
该研究提出HyLnc框架，先用掩码语言建模在大型后生动物RNA序列语料上预训练一个定制的BERT模型，再在长链非编码RNA与蛋白编码转录本数据集上微调并提取256维深度嵌入，同时计算348个手工特征（含ORF特征、UTR属性、核苷酸组成与Fickett分数），经多阶段特征选择后由多种机器学习分类器评估，其中随机森林表现最佳，在独立验证集上取得91.30%准确率、91.23% F1分数与82.60 MCC，优于若干现有lncRNA预测工具。
该研究提出HyLnc框架，先用掩码语言建模在大型后生动物RNA序列语料上预训练一个定制的BERT模型，再在长链非编码RNA与蛋白编码转录本数据集上微调并提取256维深度嵌入，同时计算348个手工特征（含ORF特征、UTR属性、核苷酸组成与Fickett分数），经多阶段特征选择后由多种机器学习分类器评估，其中随机森林表现最佳，在独立验证集上取得91.30%准确率、91.23% F1分数与82.60 MCC，优于若干现有lncRNA预测工具。
HyLnc：融合深度上下文嵌入与手工序列特征的长链非编码RNA预测框架
该研究提出HyLnc框架，先用掩码语言建模在大型后生动物RNA序列语料上预训练一个定制的BERT模型，再在长链非编码RNA与蛋白编码转录本数据集上微调并提取256维深度嵌入，同时计算348个手工特征（含ORF特征、UTR属性、核苷酸组成与Fickett分数），经多阶段特征选择后由多种机器学习分类器评估，其中随机森林表现最佳，在独立验证集上取得91.30%准确率、91.23% F1分数与82.60 MCC，优于若干现有lncRNA预测工具。
该研究提出HyLnc框架，先用掩码语言建模在大型后生动物RNA序列语料上预训练一个定制的BERT模型，再在长链非编码RNA与蛋白编码转录本数据集上微调并提取256维深度嵌入，同时计算348个手工特征（含ORF特征、UTR属性、核苷酸组成与Fickett分数），经多阶段特征选择后由多种机器学习分类器评估，其中随机森林表现最佳，在独立验证集上取得91.30%准确率、91.23% F1分数与82.60 MCC，优于若干现有lncRNA预测工具。

第 15 页 · 当前显示 10 项